Détection de visage
| dc.contributor.author | Zabi Khawla | |
| dc.contributor.author | Mazouz Khaoula | |
| dc.contributor.author | Belhouchette Kenza | |
| dc.date.accessioned | 2021-11-06T09:24:19Z | |
| dc.date.available | 2021-11-06T09:24:19Z | |
| dc.date.issued | 2021 | |
| dc.description.abstract | La recherche dans le domaine de la détection des personnes, aux milieux incontrôlés devient un sujet de plus en plus traité. Une approche innovante devrait être utilisée pour résoudre le problème des résultats des méthodes à faible taux de détection et avec un taux de fausse classification élevé. Dans ce projet nous proposons un réseau de neurones convolutif basé sur la région appellé Faster RCNN pour identifier les visages existants dans une image, vidéo et au temps réel. Les réseaux de neurones convolutifs basés sur la région et particulièrement le Faster RCNN ont montré leur grande performance dans le domaine de la détection et la classification des objets. Nous avons appliqué notre approche sur des images que nous avons collectées de différentes bases de données et sur des images qu'on a prises en temps réel et aussi sur des vidéos. L'approche proposée atteint une meilleure performance de détection que les méthodes traditionnelles. Ces résultats indiquent clairement que l'utilisation de la méthode Faster RCNN pour la détection des visages des personnes est très prometteuse. | ar |
| dc.identifier.uri | http://hdl.handle.net/123456789/11235 | |
| dc.language.iso | fr | ar |
| dc.publisher | Université de Larbi Ben M’hidi-Oum Oum El Bouaghi | ar |
| dc.subject | Vision par ordinateur | ar |
| dc.subject | Détection de visage | ar |
| dc.subject | Détection d'objets | ar |
| dc.title | Détection de visage | ar |
| dc.type | Other | ar |